Задачи машинного обучения Предмет машинного обучения
Машинное обучение (Machine Learning, ML) – это раздел теории искусственного интеллекта, предметом которого является поиск методов решения задач путем обучения в процессе решения сходных задач.
Для построения таких методов используются средства алгебры, ма- тематической статистики, дискретной математики, теории оптимизации, численных методов, и других разделов математики.
Обучение функциональным зависимостям
Одно из направлений ML связано с задачами следующего вида: имеются
множество 𝑋 объектов, и
множество 𝑌 ответов.
Предполагается, что существует функциональная зависимость
𝑓 : 𝑋 → 𝑌
между объектами и ответами, но она неизвестна. Известна лишь совокуп- ность 𝑆 пар вида (объект, ответ), называемая обучающей выборкой (training sample):
𝑆 = {(, = 𝑓 ()) ∈ 𝑋 × 𝑌 | = 1, . . . , }.
→
Требуется найти приближенный вид этой 𝑓 путем построения аппрок- симирующей функции (АФ) 𝑎𝑆 : 𝑋 𝑌 (decision function), такой, что
∀ ∈ 𝑋 𝑎𝑆() ≈ 𝑓 ().
Способ описания объектов
Объекты в ML могут иметь самую различную природу: это могут быть люди, животные, растения, страны, организации, сайты, столы, стулья, изображения, фильмы, и т.д.
Один из способов описания объектов в форме, пригодной для реше- ния описанных выше задач ML имеет следующий вид:
задается множество ℑ признаков объектов (features), каждому признаку сопоставляется множество 𝐷 значений
этого признака, и
каждому объекту 𝑋 и каждому признаку сопоставляется
Do'stlaringiz bilan baham: |
